OpenCV：将单个圆圈拟合到图像（在Python中）

Question

我有这样的图像：

我需要在黑暗区域插入椭圆（注意：必须是椭圆，而不是圆形）。在OpenCV中执行此操作的最佳方法是什么？到目前为止，我的第一步是对其应用自适应（Otsu）阈值，这导致：

但我不知道从那里去哪里。我正在用Python编写应用程序，但它更多的是我正在寻找的算法设计。

根据回复/评论编辑：

好的，所以我已经尝试了形态学。基于OpenCV documentation，我对它进行了3次迭代“近距离”操作（扩张，然后侵蚀）以去除小颗粒，这导致：

然后，为了将它扩展回原来的形状，我进行了3次迭代“打开”操作（侵蚀，然后扩张），这导致：

从这里开始，我做了Canny边缘检测，结果是：

现在，我使用了findContours，但遇到了一个问题。它沿边缘发现了数十个轮廓，每个轮廓沿圆周呈短段。这意味着，即使我采用最大尺寸轮廓，它也可能仅占圆周的10％，这不足以精确地拟合椭圆。这就是为什么@ Demi-Lune建议的其他问题对我不起作用的原因;他们都有非常干净，锋利的边缘和findContours找到一个很好的单一轮廓覆盖每个形状的整个perimiter，但这不会发生我的混乱图像。那么，从这里拟合椭圆的最佳方法是什么？

Answer 1

如果对象有圆形，那么使用cv2.minEnclosingCircle是好的。或者，您可以使用cv2.fitEllipse找到对象周围最合适的椭圆。记得在黑色背景中找到与白色物体的轮廓。

import cv2
import numpy as np

img = cv2.imread("1.jpg")

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
_,thresh = cv2.threshold(gray,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
thresh = cv2.bitwise_not(thresh)

element = cv2.getStructuringElement(shape=cv2.MORPH_RECT, ksize=(5, 5))

morph_img = thresh.copy()
cv2.morphologyEx(src=thresh, op=cv2.MORPH_CLOSE, kernel=element, dst=morph_img)

contours,_ = cv2.findContours(morph_img,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)

areas = [cv2.contourArea(c) for c in contours]
sorted_areas = np.sort(areas)

#bounding box (red)
cnt=contours[areas.index(sorted_areas[-1])] #the biggest contour
r = cv2.boundingRect(cnt)
cv2.rectangle(img,(r[0],r[1]),(r[0]+r[2],r[1]+r[3]),(0,0,255),2)

#min circle (green)
(x,y),radius = cv2.minEnclosingCircle(cnt)
center = (int(x),int(y))
radius = int(radius)
cv2.circle(img,center,radius,(0,255,0),2)

#fit ellipse (blue)
ellipse = cv2.fitEllipse(cnt)
cv2.ellipse(img,ellipse,(255,0,0),2)


cv2.imshow("morph_img",morph_img)
cv2.imshow("img", img)
cv2.waitKey()

Answer 2

为什么不做“关闭”然后“打开”清除所有混乱的事情。

原始图片：

大津：

关闭+打开;都是7x7内核;二进制图像现在美观整洁。

只检测到一个轮廓：

椭圆如下:(请注意，您的图像是圆形，因此椭圆应为圆形）

Answer 3

在对图像应用自适应阈值后，您可以使用morphological operations使用cv2.erode()和cv2.dilate()来平滑图像。通过这些操作，您将能够隔离主圆图像并去除小颗粒噪声。接下来，您可以使用cv2.findContours()定位图像中的圆，并过滤最大尺寸轮廓。这将为您提供边界框坐标，您可以在其中找到圆的中心。一旦你有了中心坐标，你就可以适应你的日食。